Presentación

Este documento presenta gráficos y tablas, a partir de los datos de Estadisticas Policiales en el año 2021, compartidos por el Organismo de Investigación Judicial (OIJ).

Entradas

Carga de paquetes de R

library(DT)
library(ggplot2)
library(plotly)
library(dplyr)
library(leaflet)
library(sf)
library(readxl)
library(tidyverse)
library(ggthemes)
library(terra)
library(raster)
library(rgdal)
library(lubridate)

Carga de Datos

Estadisticas_Policiales <- 
  readxl::read_excel("C:/Users/ACER/Documents/estadisticaspoliciales2021.xls")

Procesamiento

Curación de datos

Estadisticas_Policiales$Fecha <- as.Date(Estadisticas_Policiales$Fecha, format = "%Y-%m-%d")

Salidas

Tabla

# Tabla interactiva del paquete DT

Estadisticas_Policiales %>%
  dplyr::select(Delito,
                Fecha,
                Victima,
                Edad,
                Genero,
                Provincia,
                Canton) %>%
  mutate(Fecha = as.Date(Fecha, format = "%d/%m/%Y")) %>%
  datatable(
    options = list(
      pageLength = 15,
      language = list(url = '//cdn.datatables.net/plug-ins/1.10.11/i18n/Spanish.json')
    ),
    colnames = c(
      # encabezados de las columnas
      "Delito",
      "Fecha",
      "Víctima",
      "Edad",
      "Género",
      "Provincia",
      "Cantón"
    )
  )
## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html

Gráfico de Cantidad de Delitos por tipo de Delito

Cantidad_de_delito_por_tipo <-
  Estadisticas_Policiales %>%
  count(Delito) %>%
  ggplot(aes(x = reorder(Delito, n), y = n)) +
  geom_bar(stat = "identity") +
  ggtitle("Cantidad de delitos por tipo de delito") +
  xlab("Tipo de Delito") +
  ylab("Cantidad") +
  coord_flip() +
  theme_hc()

Cantidad_de_delito_por_tipo %>%
  ggplotly() %>%
  config(locale = "es")

Gráfico de Cantidad de Delitos por mes

<- filter(estadis, grepl(‘%m’ == “%Y-%m-%d”, Fecha))

Cantidad_Delitos_Mes <- Fecha_Mes %>% count(Fecha) %>% ggplot(aes(x = reorder(Fecha, -n), y = n)) + geom_bar(stat = “identity”) + ggtitle(“Cantidad de Delitos por mes”) + xlab(“Meses”) + ylab(“Cantidad de Delitos”) + theme_hc()

Gráfico plotly

Cantidad_Delitos_Mes%>% ggplotly() %>% config(locale = ‘es’)


#### Gráfico de proporción de Delitos por Género


```r
Proporcion_de_Delito_por_Genero <-
  Estadisticas_Policiales %>%
  ggplot(aes(x = Genero, fill = Delito)) +
  geom_bar(position = "fill") +
  ggtitle("Proporciones de Delito por tipo de Género") +
  xlab("Género") +
  ylab("Proporción") +
  labs(fill = "Delito") +
  theme_minimal()

ggplotly(Proporcion_de_Delito_por_Genero) %>% config(locale = 'es')

Gráfico de Cantidad de Delitos en San José, Alajuela, Cartago y Heredia

grafico_4 <- filter(Estadisticas_Policiales, grepl('HEREDIA|ALAJUELA|CARTAGO|SAN JOSE', Provincia))

Delitos_SanJose_Alajuela_Cartago_Heredia <-
  grafico_4 %>%
  count(Provincia) %>% 
  ggplot(aes(x = reorder(Provincia, -n), y = n)) +
  geom_bar(stat = "identity") +
  ggtitle("Delitos en San José, Alajuela, Cartago y Heredia") +
  xlab("Provincias") +
  ylab("Cantidad de Delitos") +
  theme_hc() 

# Gráfico plotly
Delitos_SanJose_Alajuela_Cartago_Heredia %>%
  ggplotly() %>% 
  config(locale = 'es')